上下文流程图实验
用一个 MDX + Astro 视觉组件，演示聊天工具如何把历史对话作为上下文一起发给大模型。
这篇视觉实验记录用一个可搜索、可响应式的 MDX 组件，演示“上下文”在聊天工具里的实际作用。
效果预览
AI 基础概念
什么是上下文？
每次问答 / 对话时，聊天工具会把之前的聊天记录一起发给大模型。 大模型每次只是接收到「输入」，然后生成「输出」，它本质上没有长期记忆。
用户输入 → 聊天工具拼接上下文 → 大模型 → 模型输出
每次回复，都会带上之前的聊天记录（上下文）一起发给模型。
1
用户问：什么是 LLM？
2
用户问：什么是 LLM？
模型回：LLM 是 Large Language Model 的缩写，中文通常称为大语言模型。
3
用户问：什么是 LLM？
模型回：LLM 是 Large Language Model 的缩写，中文通常称为大语言模型。
用户问：工作原理是什么样的？
4
用户问：什么是 LLM？
模型回：LLM 是 Large Language Model 的缩写，中文通常称为大语言模型。
用户问：工作原理是什么样的？
模型回：输入一段指令时，LLM 会根据它在训练中学到的语言规律，通过数学计算去预测最可能出现的下一个词或句子。
核心理解
你看到的是连续对话；模型看到的是：当前这一轮输入 + 被一起附带的历史上下文。
适合放在哪里
这种组件适合放在解释 AI、Agent、工作流、工具调用等抽象概念的文章里。
它比普通图片更容易维护，比 Mermaid 更适合做教学型视觉卡片：
- 文字可以直接修改，不需要重新出图。
- 组件可以复用到多篇文章。
- 手机端可以按 CSS 自动适配。
- 读者看到的是图，搜索引擎和站内搜索看到的是文本。